78934397 Makalah Dokumen Mining
-
Upload
tarman-alin-s -
Category
Documents
-
view
49 -
download
0
Transcript of 78934397 Makalah Dokumen Mining
-
7/16/2019 78934397 Makalah Dokumen Mining
1/14
1
Makalah Dokumen Mining
Mata Kuliah : Kecerdasan Buatan
Dosen : Nelly Indriani W, S.SI
Anggota Kelompok :
Hilman Fauzi (10108471)
Yana (10108476)
Beny Pribadi (10108492)
Dewan Teguh H (10108495)
Kelas : IF-10
Fakultas Teknik dan Ilmu Komputer
Jurusan Teknik Informatika
Universitas Komputer Indonesia
2011
-
7/16/2019 78934397 Makalah Dokumen Mining
2/14
2
Abstrak
Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya penggunaan komputer.
Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan secara akurat dan cepat.
Oleh karena itu, walaupun sebagian besar dokumen digital tersimpan dalam bentuk teks dan berbagai algoritma
yang efisien untuk pencarian teks telah dikembangkan, teknik pencarian terhadap seluruh isi dokumen yang
tersimpan bukanlah solusi yang tepat mengingat pertumbuhan ukuran data yang tersimpan umumnya.
Pencarian informasi (Information Retrieval) adalah salah satu cabang ilmu yang menangani masalah ini yang
bertujuan untuk membantu pengguna dalam menemukan informasi yang relevan dengan kebutuhan mereka
dalam waktu singkat. Aplikasi pencarian informasi yang telah ada salah satunya adalah web mining untuk
pencarian berdasarkan kata kunci dengan teknikclustering. Selain itu, pada dokumen dilakukan juga text mining
dan perhitungan jumlah kata, dari jumlah kata tersebut dilakukan pengklusteran dengan metode CLHM
(Centroid Linkage Hierarchical Method). Untuk jumlah klusternya, pemakai tidak mengetahui berapa jumlah yang
tepat untuk mengklusterkan dokumen-dokumen tersebut. Untuk itu, dipakailah metode Hill Climbing yang
bertugas untuk melakukan identifikasi terhadap pergerakan varian dari tiap tahap pembentukan kluster dan
menganalisa polanya sehingga jumlah kluster akan terbentuk secara otomatis. Penggunaan text mining,
pengklusteran dengan CLHM dan proses Hill Climbing Automatic Clustering sangat memudahkan pemakai karena
menghasilkan kluster secara otomatis dan tepat dengan waktu yang cepat.
Kata kunci: Information Retrieval, Centroid Linkage Hierarchical Method, Hill Climbing Automatic Clustering, Text
mining
Pendahuluan
Perkembangan teknologi dewasa ini khususnya internet berkembang sangat pesat. Hal ini diiringi juga dengan
semakin berkembangnya teknologi informasi yang dibutuhkan oleh pengguna sehingga mengakibatkan
munculnya suatu cabang ilmu baru dalam teknologi informasi, yaitu pencarian informasi ( information retrieval).
Information Retrieval adalah studi tentang sistem pengindeksan, pencarian, dan mengingat data, khususnya
teks atau bentuk tidak terstruktur lainnya [virtechseo.com] sedangkan arti menurut Wikipedia, Information
Retrieval adalah seni dan ilmu mencari informasi dalam dokumen, mencari dokumen itu sendiri, mencari
metadata yang menjelaskan dokumen, atau mencari dalam database, apakah relasional database itu berdiri
sendiri atau database hypertext jaringan seperti Internet atau intranet, untuk teks, suara, gambar, atau data.
Penggalian Data (Data Mining)
Penggalian data (bahasa Inggris: data mining) adalah ekstraksi pola yang menarik dari data dalam jumlah besar.
Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan
berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat
kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi
eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan
informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak (misalnya
data yang diperoleh dari sistem basis data perusahaan, e-commerce, data saham, dan data bioinformatika), tapi
tidak tahu pola apa yang bisa didapatkan.
Proses Pencarian Pola
http://id.wikipedia.org/wiki/Polahttp://id.wikipedia.org/wiki/Datahttp://id.wikipedia.org/w/index.php?title=Sistem_basis_data&action=edit&redlink=1http://id.wikipedia.org/wiki/E-commercehttp://id.wikipedia.org/wiki/Sahamhttp://id.wikipedia.org/wiki/Bioinformatikahttp://id.wikipedia.org/wiki/Bioinformatikahttp://id.wikipedia.org/wiki/Sahamhttp://id.wikipedia.org/wiki/E-commercehttp://id.wikipedia.org/w/index.php?title=Sistem_basis_data&action=edit&redlink=1http://id.wikipedia.org/wiki/Datahttp://id.wikipedia.org/wiki/Pola -
7/16/2019 78934397 Makalah Dokumen Mining
3/14
3
Penggalian data adalah salah satu bagian dari proses pencarian pola. Berikut ini urutan proses pencarian pola:
1. Pembersihan Data: yaitu menghapus data pengganggu (noise) dan mengisi data yang hilang.2. Integrasi Data: yaitu menggabungkan berbagai sumber data.3. Pemilihan Data: yaitu memilih data yang relevan.4. Transformasi Data: yaitu mentransformasi data ke dalam format untuk diproses dalam penggalian data.5. Penggalian Data: yaitu menerapkan metode cerdas untuk ekstraksi pola.6. Evaluasi pola: yaitu mengenali pola-pola yang menarik saja.7. Penyajian pola: yaitu memvisualisasi pola ke pengguna.
Definisi Text Mining
Text mining memiliki definisi menambang data yang berupa teks dimana sumber data biasanya didapatkan dari
dokumen, dan tujuannya adalah mencari kata-kata yang dapat mewakili isi dari dokumen sehingga dapat
dilakukan analisa keterhubungan antar dokumen. Sedangkan menurut situs wikipedia, Penambangan teks
(bahasa Inggris:text mining) adalah proses ekstraksi pola berupa informasi dan pengetahuan yang berguna dari
sejumlah besar sumber data teks, seperti dokumen Word, PDF, kutipan teks, dll. Jenis masukan untukpenambangan teks ini disebut data tak terstruktur dan merupakan pembeda utama dengan penambangan data
yang menggunakan data terstruktur atau basis data sebagai masukan. Penambangan teks dapat dianggap
sebagai proses dua tahap yang diawali dengan penerapan struktur terhadap sumber data teks dan dilanjutkan
dengan ekstraksi informasi dan pengetahuan yang relevan dari data teks terstruktur ini dengan menggunakan
teknik dan alat yang sama dengan penambangan data. Proses yang umum dilakukan oleh penambangan teks di
antaranya adalah perangkuman otomatis, kategorisasi dokumen, penggugusan teks, dll.
Tujuan dari text mining adalah untuk mendapatkan informasi yang berguna dari sekumpulan dokumen. Jadi,
sumber data yang digunakan pada text mining adalah kumpulan teks yang memiliki format yang tidak
http://id.wikipedia.org/w/index.php?title=Pembersihan_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Integrasi_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Pemilihan_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Transformasi_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Evaluasi_pola&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Penyajian_pola&action=edit&redlink=1http://id.wikipedia.org/wiki/Bahasa_Inggrishttp://id.wikipedia.org/wiki/Polahttp://id.wikipedia.org/wiki/Informasihttp://id.wikipedia.org/wiki/Pengetahuanhttp://id.wikipedia.org/wiki/Datahttp://id.wikipedia.org/w/index.php?title=Teks&action=edit&redlink=1http://id.wikipedia.org/wiki/Microsoft_Wordhttp://id.wikipedia.org/wiki/PDFhttp://id.wikipedia.org/w/index.php?title=Masukan&action=edit&redlink=1http://id.wikipedia.org/wiki/Penambangan_datahttp://id.wikipedia.org/wiki/Basis_datahttp://id.wikipedia.org/w/index.php?title=Ekstraksi_informasi&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Perangkuman_otomatis&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Kategorisasi_dokumen&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Penggugusan_teks&action=edit&redlink=1http://andyku.files.wordpress.com/2008/11/step-datamining.jpghttp://id.wikipedia.org/w/index.php?title=Penggugusan_teks&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Kategorisasi_dokumen&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Perangkuman_otomatis&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Ekstraksi_informasi&action=edit&redlink=1http://id.wikipedia.org/wiki/Basis_datahttp://id.wikipedia.org/wiki/Penambangan_datahttp://id.wikipedia.org/w/index.php?title=Masukan&action=edit&redlink=1http://id.wikipedia.org/wiki/PDFhttp://id.wikipedia.org/wiki/Microsoft_Wordhttp://id.wikipedia.org/w/index.php?title=Teks&action=edit&redlink=1http://id.wikipedia.org/wiki/Datahttp://id.wikipedia.org/wiki/Pengetahuanhttp://id.wikipedia.org/wiki/Informasihttp://id.wikipedia.org/wiki/Polahttp://id.wikipedia.org/wiki/Bahasa_Inggrishttp://id.wikipedia.org/w/index.php?title=Penyajian_pola&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Evaluasi_pola&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Transformasi_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Pemilihan_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Integrasi_Data&action=edit&redlink=1http://id.wikipedia.org/w/index.php?title=Pembersihan_Data&action=edit&redlink=1 -
7/16/2019 78934397 Makalah Dokumen Mining
4/14
4
terstruktur atau minimal semi terstruktur. Adapun tugas khusus dari text mining antara lain yaitu
pengkategorisasian teks (text categorization) dan pengelompokan teks text clustering).
Text Mining
Text mining merupakan penerapan konsep dan teknik data mining untuk mencari pola dalam teks, yaituproses penganalisisan teks guna menyarikan informasi yang bermanfaat untuk tujuan tertentu.
Berdasarkan ketidakteraturan struktur data teks, maka proses text mining memerlukan beberapa tahapawal yang pada intinya adalah mempersiapkan agar teks dapat diubah menjadi lebih terstruktur.
Tahapan Text Mining
Masalah Umum yang ditangani
Klasifikasi Dokumen Information Retrieval Pengorganisasian dan Clustering Dokumen Information Extraction
Clustering Dokumen
Analisis Cluster
-
7/16/2019 78934397 Makalah Dokumen Mining
5/14
5
Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasaratas kesamaannya.
Pola-pola dalam suatu cluster akan memiliki kesamaan ciri/sifat daripada pola-pola dalam cluster yanglainnya.
Clustering bermanfaat untuk melakukan analisis pola-pola yang ada, mengelompokkan, membuatkeputusan dan machine learning, termasuk data mining, document retrieval, segmentasi citra, dan
klasifikasi pola.
Metodologi clustering lebih cocok digunakan untuk eksplorasi hubungan antar data untuk membuat suatupenilaian terhadap strukturnya.
Information Retrieval
Konsep dasar dari IR adalah pengukuran kesamaan
sebuah perbandingan antara dua dokumen, mengukur sebearapa mirip keduanya.
Setiap input query yang diberikan, dapat dianggap sebagai sebuah dokumen yang akan dicocokan dengan
dokumen-dokumen lain.
Pengukuran kemiripan serupa dengan metode klasifikasi yang disebut metode nearest-neighbour.
Information Extraction
-
7/16/2019 78934397 Makalah Dokumen Mining
6/14
6
Information Extraction bermanfaat untuk menggali struktur informasi dari sekumpulan dokumen. Dalam menerapkan IE, perlu sekali dilakukan pembatasan domain problem. IE sangat memerlukan NLP untuk mengetahui gramatikal dari setiap kalimat yang ada. Sebagai contoh:
o Indonesia dan Singapore menandatangani MoU kerjasama dalam bidang informasi dan komunikasi. o KerjaSama(Indonesia, Singapore, TIK)
Dengan IE, kita dapat menemukan:o concepts (CLASS)o concept inheritance (SUBCLASS-OF)o concept instantiation (INSTANCE-OF)o properties/relations (RELATION)o domain and range restrictions (DOMAIN/RANGE)o equivalence
Algoritma yang digunakan pada text mining, biasanya tidak hanya melakukan perhitungan hanya pada dokumen,
tetapi pada juga feature. Empat macam feature yang sering digunakan:
Character, merupakan komponan individual, bisa huruf, angka, karakter spesial dan spasi, merupakanblock pembangun pada level paling tinggi pembentuk semantik feature, seperti kata, term dan concept.
Pada umumnya, representasi character-based ini jarang digunakan pada beberapa teknik pemrosesan
teks.
Words.
Terms, merupakan single word dan frasa multiword yang terpilih secara langsung dari corpus.Representasi term-based dari dokumen tersusun dari subset term dalam dokumen.
Concept, merupakan feature yang di-generate dari sebuah dokumen secara manual, rule-based, ataumetodologi lain. Pada tugas akhir ini, konsep di-generate dari argument atau verb yang sudah diberi label
pada suatu dokumen.
Proses text mining meliputi proses tokenizing, filtering, stemming, dan tagging.
Tokenizing
Tokenizing adalah proses penghilangan tanda baca pada kalimat yang ada dalam dokumen sehingga
menghasilkan kata-kata yang berdiri sendiri-sendiri.
Manajemen pengetahuan adalah
sebuah konsep baru di dunia bisnis.
manajemen
pengetahuan
adalah
sebuah
konsep
baru
di
dunia
bisnis
Teks input
Hasil token
-
7/16/2019 78934397 Makalah Dokumen Mining
7/14
7
Filtering
Tahap filtering adalah tahap pengambilan kata-kata yang penting dari hasil tokenizing. Tahap filtering ini dapat
menggunakan algoritma stoplist atau wordlist. Stoplist yaitu penyaringan (filtering) terhadap kata-kata yang
tidak layak untuk dijadikan sebagai pembeda atau sebagai kata kunci dalam pencarian dokumen sehingga kata-
kata tersebut dapat dihilangkan dari dokumen. Sedangkan wordlist adalah daftar kata-kata yang mungkin
digunakan sebagai kata kunci dalam pencarian dokumen.
Stemming
Stemming adalah proses mengubah kata menjadi kata dasarnya dengan menghilangkan imbuhan-imbuhan pada
kata dalam dokumen atau mengubah kata kerja menjadi kata benda. Stem (akar kata) adalah bagian dari kata
yang tersisa setelah dihilangkan imbuhannya (awalan dan akhiran).
Contoh: connect adalah stem dari connected, connecting, connection, dan connections.
Gambar. Bagan metode stemming
Porter stemmer merupakan algoritma penghilangan akhiran morphological dan infleksional yang umum dari
bahasa Inggris. Step-step algoritma Porter
Stemmer:
1. Step 1a : remove plural suffixation2. Step 1b : remove verbal inflection3. Step 1b1 : continued for -ed and -ing rules4. Step 1c : y and i5. Step 36. Step 4 : delete last suffix 47. Step 5a : remove e8. Step 5b : reduction
Algoritma Stemming
Successo
r Variety
Affix
Removal
N-Grams
Confiatio
Porter Stemmer
manajemen
pengetahuan
adalah
sebuah
konsep
baru
di
dunia
bisnis
manajemen
pengetahuan
konsep
baru
dunia
bisnis
Hasil token
Hasil filter
-
7/16/2019 78934397 Makalah Dokumen Mining
8/14
8
Gambar. Control flow algoritma Porter Stemmer
Tagging
Tahap tagging adalah tahap mencari bentuk awal / root dari tiap kata lampau atau kata hasil stemming. Contoh:
Analyzing
Tahap analyzing merupakan tahap penentuan seberapa jauh keterhubungan antar kata-kata dengan dokumen
yang ada.
Automatic Clustering
Clustering adalah proses membuat pengelompokan sehingga semua anggota dari setiap partisi mempunyai
persamaan berdasarkan matrik tertentu. Sebuah cluster adalah sekumpulan objek yang digabung bersama
karena persamaan atau kedekatannya. Clustering atau klasterisasi merupakan sebuah teknik yang sangat
berguna karena akan mentranslasi ukuran persamaan yang intuitif menjadi ukuran yang kuantitatif.
CLHM (Centroid Linkage Hierarchical Method)
Centroid Linkage adalah proses pengklasteran yang didasarkan pada jarak antar centroidnya [6]. Metode ini baik
untuk kasus clustering dengan normal data setdistribution. Akan tetapi metode ini tidak cocok untuk data yang
mengandung outlier. Algoritma Centroid Linkage Hierarchical Methodadalah sebagai berikut:
1. Diasumsikan setiap data dianggap sebagai cluster. Kalau n=jumlah data dan c=jumlah cluster, berarti ada c=n.2. Menghitung jarak antar clusterdengan Euclidian distance.
Word
Mismatched; fail
Matched; condition not met; fail
Matched;
Word = Stem
Step 2
Step 3
Step 4
Step 5 Stem
Rule 1
Rule 2
Rule 3
Rule 4
Step 1
-
7/16/2019 78934397 Makalah Dokumen Mining
9/14
9
3. Mencari 2 clusteryang mempunyai jarakcentroidantar clusteryang paling minimal dan digabungkan (merge)kedalam clusterbaru (sehingga c=c-1).
4. Kembali ke langkah 3, dan diulangi sampai dicapai clusteryang diinginkan.
Analisa Cluster
Analisa cluster adalah suatu teknik analisa multivariate (banyak variabel) untuk mencari dan mengorganisir
informasi tentang variabel tersebut sehingga secara relatif dapat dikelompokkan dalam bentuk yang homogen
dalam sebuah cluster. Secara umum, bisa dikatakan sebagai proses menganalisa baik tidaknya suatu proses
pembentukan cluster. Analisa cluster bisa diperoleh dari kepadatan cluster yang dibentuk (cluster density).
Kepadatan suatu clusterbisa ditentukan dengan variance within cluster(Vw) dan variance between cluster(Vb).
Varian tiap tahap pembentukan
clusterbisa dihitung dengan rumus:
...(1)
Dimana:
Vc2 = varian pada cluster c
c = 1..k, dimana k = jumlah cluster
nc = jumlah data pada cluster c
yi = data ke-i pada suatu cluster
yi = rata-rata dari data pada suatu cluster
Selanjutnya dari nilai varian diatas, kita bisa menghitung nilai variance within cluster(Vw) dengan rumus:
...(2)
Dimana, N= Jumlah semua data
ni = Jumlah data clusteri
Vi = Varian pada clusteri
Dan nilai variance between cluster(Vb) dengan rumus:
...(3)
Dimana, y = rata-rata dari yi
Salah satu metode yang digunakan untuk menentukan clusteryang ideal adalah batasan variance, yaitu dengan
menghitung kepadatan cluster berupa variance within cluster (Vw) dan variance between cluster (Vb). Cluster
-
7/16/2019 78934397 Makalah Dokumen Mining
10/14
10
yang ideal mempunyai Vw minimum yang merepresentasikan internal homogenity dan maksimum Vb yang
menyatakan external homogenity.
...(4)
Hill Climbing
Pada Hill-climbing didefinisikan bahwa kemungkinan mencapai global optimum terletak pada tahap ke-i, jika
memenuhi persamaan berikut:
Vi+1 > . Vi ........... (5)
Dimana, adalah nilai tinggi.
Nilai tinggi digunakan untuk menentukan seberapa mungkin metode ini mencapai global optimum. Nilai yang
biasa digunakan adalah 2,3, dan 4. Persamaan diatas, diperoleh berdasar analisa pergerakan varian pola Hill
climbing yang ditunjukkan pada gambar berikut:
Gambar. Pola nilai beda Hill-climbing
Berikut tabel 1 yang menunjukkan polapola valley tracing dan hill climbing yang mungkin mencapai global
optimum. Pola yang mungkin ditandai dengan simbol .
Tabel. Tabel kemungkinan pola hill climbing mencapai global optimum
Selanjutnya, dengan pendekatan metode hill climbing dilakukan identifikasi perbedaan nilai tinggi () pada tiap
tahap, yang didefinisikan dengan:
= Vi+1 . (Vi * ) ...(6)
-
7/16/2019 78934397 Makalah Dokumen Mining
11/14
11
Nilai digunakan untuk menghindari local optima, dimana persamaan ini diperoleh dari maksimum yang
dipenuhi pada persamaan 6. Untuk membentuk cluster secara otomatis, yaitu cluster yang mencapai global
optima, digunakan nilai sebagai threshold, sehingga clustersecara
otomatis terbentuk ketika memenuhi:
max() .....(7)
Untuk mengetahui keakuratan dari suatu metode pembentukan cluster pada hierarchical method, dengan
menggunakan hill climbing digunakan persamaan sebagai berikut:
...(8)
Dimana nilai terdekat ke max() adalah nilai kandidat max() sebelumnya. Nilai yang lebih besar atau sama
dengan 2 (2), menunjukkan clusteryang terbentuk merupakan clusteryang wellseparated(terpisah dengan
baik).
Implementasi
Gambar. Use case utama (Architecturally Significant)
Gambar diatas adalah gambaran sistem secara garis besar yang dibedakan menjadi lima proses utama, yaitu
proses searching dan simpan dokumen online, proses text mining, proses pengklasteran dengan algoritma
Centroid Linkage Hierarchical Method, proses pembentukan jumlah clustersecara otomatis (automatic clustering)
dan bagaimana menampilkan hasil pencarian dokumen.
-
7/16/2019 78934397 Makalah Dokumen Mining
12/14
12
Gambar. Use case diagram proses pencarian dan penyimpanan dokumen dari internet
Gambar ini adalah merupakan use-case diagram untuk proses pencarian dan penyimpanan dokumen yangdiambil dari internet.
Gambar. Use case diagram proses text mining
Gambar di atas adalah use-case diagram untuk proses text mining dimana useryang akan melakukan pencarian
dokumen harus memasukkan keywords (kata kunci) terlebih dahulu kemudian sistem akan melakukan proses
dari text mining.
Gambar. Use case diagram proses clustering dengan CLHM
Gambar ini menunjukkan proses clustering dengan menggunakan metode CLHM (Centroid Linkage Hierarchical
Method). Kata kunci yang dimasukkan oleh user akan dicari jumlahnya oleh sistem pada dokumen kemudian
jumlah ini yang akan menentukan proses clustering berikut.
-
7/16/2019 78934397 Makalah Dokumen Mining
13/14
13
Gambar. Use case diagram proses automatic clustering dengan hill climbing
Gambar tersebut menunjukkan proses dari pembentukan automatic clustering dengan melihat pola pergerakan
varian yang ada. Dengan menggunakan metode hill climbing maka dianalisa posisiglobal optimum yang mungkin
sehingga bisa dibentuk jumlah clusteryang tepat.
Gambar. Use case diagram proses hasil pencarian dokumen sesuai kata kunci
Gambar terakhir menunjukkan hasil akhir dari proses clustering engine ini. Yaitu menampilkan hasil dokumen
yang tepat sesuai dengan kata kunci yang diinputkan oleh user.
-
7/16/2019 78934397 Makalah Dokumen Mining
14/14
14
Kesimpulan
Dari hasil uji coba dan analisa yang telah dilakukan, maka dapat diambil kesimpulan:
1. Penggunaan text mining untuk pengkategorisasian teks dokumen bahasa Inggris memudahkan dalampencarian dokumen yang sesuai dengan keinginan dari pengguna.
2. Pencarian dokumen dengan menggunakan algoritma Centroid Linkage Hierarchical Method dengan polaanalisa varian Hill Climbing dapat digunakan untuk mengelompokkan dokumen secara otomatis dengan
jumlah clusteryang tepat.
3. Pola analisa varian dengan menggunakan metode Hill Climbing memerlukan waktu yang lebih cepat dalammelakukan analisa jumlah cluster jika dibandingkan dengan metode valley tracing. Hal ini disebabkan
karena pengclusteran hasil dari Hill Climbing mendukung akses kecepatan penghitungan dokumen pada
tiap clusternya.
4. Pola analisa varian dengan menggunakan metode Hill Climbing sangat sesuai untuk pencarian dokumendengan jumlah yang sangat besar dan kata kunci yang panjang. Hal ini berpotensi untuk implementasi
program dalam skala yang lebih luas.
Daftar Pustaka
web mining.pdf(http://www.google.com/)
text mining.pdf(http://www.google.com/)
data mining.pdf(http://www.google.com/)
http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/http://www.google.com/